作者:nuysoft/高雲。本文為原創,轉載請保留出處。
網路上流傳的「常用正則表達式」清單品質參差,本章逐條檢視並修正。
^[1-9]\d*$ 匹配正整數 ^-[1-9]\d*$ 匹配負整數 ^-?[1-9]\d*$ 匹配整數 ^[1-9]\d*|0$ 匹配非負整數(正整數 + 0) ^-[1-9]\d*|0$ 匹配非正整數(負整數 + 0) ^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$ 匹配正浮點數 ^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$ 匹配負浮點數 ^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$ 匹配浮點數
^[A-Za-z]+$ 由 26 個英文字母組成(或寫成 /^[a-z]+$/i) ^[A-Z]+$ 全大寫英文字母 ^[a-z]+$ 全小寫英文字母 ^[A-Za-z0-9]+$ 數字加英文字母(注意 \w 還包含底線) ^\w+$ 數字、英文字母或底線
普遍使用的 [\u4e00-\u9fa5] 其實並不完整:
/[\u4e00-\u9fa5]/.test('部首字元') // false
依 Unicode 5.0 版編碼,中文相關區段至少包含:2E80-2EFF(CJK 部首補充)、2F00-2FDF(康熙字典部首)、3000-303F(CJK 符號和標點)、31C0-31EF(CJK 筆畫)、3200-32FF(封閉式 CJK 文字和月份)、3300-33FF(CJK 兼容)、3400-4DBF(擴展 A)、4DC0-4DFF(易經六十四卦符號)、4E00-9FBF(CJK 統一表意符號)、F900-FAFF(兼容象形文字)、FE30-FE4F(兼容形式)、FF00-FFEF(全角 ASCII 與全角標點)。因此更完整的寫法是:
var rcjk = /[\u2E80-\u2EFF\u2F00-\u2FDF\u3000-\u303F\u31C0-\u31EF\u3200-\u32FF\u3300-\u33FF\u3400-\u4DBF\u4DC0-\u4DFF\u4E00-\u9FBF\uF900-\uFAFF\uFE30-\uFE4F\uFF00-\uFFEF]+/g;
若不想把標點與符號算進來,去掉 3000-303F 與 FF00-FFEF 兩段即可。
"abc".replace(/[^\x00-\xff]/g, "aa").length // 3 "漢字".replace(/[^\x00-\xff]/g, "aa").length // 4 "abc漢字".replace(/[^\x00-\xff]/g, "aa").length // 7
這是把「一個中文算兩個字元」的舊式長度計算做出來的常用技巧。
網上流傳版 <(\S*?)[^>]*>.*?</\1>|<.*? /> 有幾個問題:*? 疊加與 * 功能重複;(\S*?) 要求標籤長度必定大於 0;沒有分組導致無法取得 <div/> 這種自關閉寫法。修正版:
var rtag = /^<([a-z]+)\s*\/?>.*(?:<\/1>)?$/i;
rtag.exec('<div>abc') // ["<div>abc", "div"]
要嚴格匹配可去掉中間的 .*。請注意這個表達式只用於簡單標籤的匹配與提取,無法處理嵌套標記。
流傳版 ^\s*|\s*$ 能刪空白,卻無法用來「判斷」有沒有空白,因為 /^\s*|\s*$/.test('abc') 會回傳 true。修正為 ^\s+|\s+$,判斷結果才正確。
規則:local-part@domain。local-part 最長 64、domain 最長 253;local-part 可用大小寫字母、數字與 !#$%&'*+-/=?^_`{|}~,小數點不能開頭結尾也不能連續;domain 限英文字母、數字與連字號,連字號不能開頭,頂級域名長度 2 到 6。
流傳版 \w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)* 的問題是:@\w 讓 domain 能出現底線,頂級域名也不符合規則。修正:
var remail = /^([\w-_]+(?:\.[\w-_]+)*)@((?:[a-z0-9]+(?:-[a-zA-Z0-9]+)*)+\.[a-z]{2,6})$/i;
此版本不支援中文郵箱與特殊符號——這是刻意的取捨,避免被部分郵件伺服器拒收。
流傳版 [a-zA-z]+://[^\s]* 過於粗糙,沒有把 URL 各區塊分組。改良版本會把 protocol、ftp 的 user@、IP 形式、域名、二級域名、頂級域名、連接埠與路徑分開描述,再組裝成一個 RegExp。作者坦言此表達式仍不理想,是個待補的 TODO。
var ruser = /\w{4,16}/; 帳號:4-16 位(不強制字母開頭,也不禁止底線開頭)
\d{3}-\d{8}|\d{4}-\d{7} 國內電話,如 0511-4405222、021-87888822
[1-9][0-9]{4,} 騰訊 QQ 號,從 10000 起
[1-9]\d{5}(?!\d) 中國郵遞區號,6 位數字
流傳版 \d{15}|\d{18} 太粗糙。中國身份證有 15 位(一代)與 18 位(二代),二代是在一代的年份前補上「19」並在末尾加一位驗證碼。因此可以順手把 15 位升級為 18 位並解析出地區、生日與性別:
function parseID(ID) {
if (ID.length == 15) {
ID = ID.substr(0, 6) + "19" + ID.substr(6); // 升級為 18 位
var rank = ["7","9","10","5","8","4","2","1","6","3","7","9","10","5","8","4","2"];
var last = ["1","0","X","9","8","7","6","5","4","3","2"];
var sum = 0;
for (var i = 0, len = ID.length; i < len; i++) sum += ID[i] * rank[i];
ID += last[sum % 11];
}
if (ID.length != 18) return null;
var match = rid.exec(ID);
return match ? {
ID: ID, area: match[1], y: match[2], m: match[3], d: match[4], sex: match[5] % 2
} : null;
}
// 顯示時可再轉換:sex ? "男" : "女"
注意這裡只解析出地區「代碼」,轉成實際地址需另接對照表。
流傳版 \d+\.\d+\.\d+\.\d+ 完全沒限制範圍。正確寫法要約束每段在 0–255:
var rip = /^(?:(?:[01]?\d{1,2}|2[0-4]\d|25[0-5])\.){3}(?:[01]?\d{1,2}|2[0-4]\d|25[0-5])$/;
rip.test("192.168.1.1") // true
rip.test("256.255.255.255") // false
需要分組取出各段時,把四段各自加上捕獲群組即可,exec() 就會回傳 ["192.168.1.1","192","168","1","1"] 這樣的結果。